Обработка данных

Подготовка данных к анализу – это следующий после сбора данных шаг в процессе исследования.

Особенности подготовки данных к анализу:

– при проведении устных опросов неизбежен отсев части листов из-за неправильного заполнения (наличие ошибок, отсутствие ответов на многие вопросы, прекращение интервью); кроме того, исключаются опросные листы, содержащие явно неверные ответы (непонимание, сознательно ложные ответы, фальсификация со стороны интервьюера, обнаруженная при проверке). При проведении письменных опросов изымаются формуляры, заполненные посторонними лицами или полученные не вовремя;

– дальнейшая проверка опросных листов на предмет читаемости и отсутствия в ответах противоречий; при этом некоторые листы с неясными ответами должны быть откорректированы, а не исключены, а ответы на отдельные вопросы можно вообще не использовать в процессе обработки;

– обработка данных с помощью ЭВМ требует соответствующего кодирования информации, т.е. образования категорий ответов (если необходимо) и присвоения категориям символов (например чисел). Необходимо различать кодирование открытых и закрытых вопросов. Закрытые вопросы имеют заранее заданные категории ответов, открытые вопросы можно кодировать только после окончания сбора данных. Для этого формулируются категории, к которым можно отнести отдельные ответы, причем нужно учитывать следующее:

– категории должны быть исчерпывающими, то есть охватывать всевозможные ответы; часто это требование выполняется с помощью добавления в качестве последней альтернативы «иные ответы»;

– один ответ должен соответствовать только одной категории;

– качественная однородность категорий должна быть гарантирована постановкой вопроса.

При подготовке материала, полученного с помощью выборки, часто возникает необходимость приведения его структуры в соответствие с генеральной совокупностью. Отклонения могут произойти, например, вследствие отказов от ответа или невозможности опросить определенный круг лиц. При диспропорциональной выборке необходимо уравновешивать отдельные категории.

Анализ данных. Статистические методы анализа данных, предназначенные для их уплотнения, выявления взаимосвязей, зависимостей и структур, классифицируются следующим образом:

– одно- и многофакторные (количество одновременно анализируемых переменных);

– описательные и индуктивные методы (цель анализа);

– по уровню шкалирования переменных;

– методы анализа зависимостей и методы анализа взаимосвязей (в зависимости от того, делятся ли переменные на зависимые и независимые).

Описательные однофакторные методы:

– распределение частот (представление в виде таблиц или на графике);

– графическое представление распределения переменной (гистограммы и т.д.);

– статистические показатели – арифметическое среднее, медиана, мода, вариация, дисперсия.

Индуктивные однофакторные методы, предназначенные для проверки соответствия характеристик выборки характеристикам генеральной совокупности (ГС) делятся на параметрические тесты, используемые при проверке гипотез о неизвестных характеристиках ГС, и непараметрические – для проверки гипотез о распределении ГС. Применение метода включает: формулирование гипотез; выбор подходящего теста; установление уровня сигнификантности; определение критического уровня проверяемой характеристики по таблице; расчет реальной величины теста; сравнение и интерпретацию.

Области применения тестов:

– параметрический Z-тест при нормальном распределении переменной, когда дисперсия известна и объем выборки больше 30;

– Т-тест при выборках, меньших 30;

– Х-квадрат-тест для проверки гипотез о распределении.

Двух- и многофакторные методы анализа зависимостей, когда выявляется влияние одного и многих факторов на интересующий нас параметр, типичная постановка вопроса, на который можно ответить с помощью этих методов, может звучать так: «Какая связь имеется между расходами на рекламу и ценой?» или так: «Имеется ли связь между возрастом человека и выбором определенной марки товара?».

Регрессионный анализ – статистический метод анализа данных для определения зависимости одной переменной от одной (однофакторная регрессия) или нескольких (многофакторная регрессия) независимых переменных.

Вариационный анализ предназначен для определения степени влияния изменения независимых переменных на зависимые.

Дискриминантный анализ позволяет разделить заранее заданные группы объектов с помощью комбинации многих независимых переменных и таким образом объяснить различия между группами, дает возможность отнести новый объект к какой-либо группе на основе его характеристик.

Факторный анализ предназначен для исследования взаимосвязей между переменными в целях уменьшения числа влияющих факторов до наиболее существенных.

Кластерный анализ помогает разделить совокупность объектов на отдельные, более или менее однородные группы.

Многомерное шкалирование позволяет получить пространственное отображение отношений, существующих между объектами.

Применение того или иного метода анализа зависит от уровня шкалирования зависимых и независимых переменных и содержания решаемой проблемы (табл.).

Таблица

Постановка вопроса при различных методах анализа

Метод	Типичная постановка вопроса
Регрессионный анализ	Как изменится объем сбыта, если расходы на рекламу сократятся на 10%? Какова будет цена на продукт в следующем году? Как влияет объем инвестиций в автомобильной промышленности на спрос на сталь?
Вариационный анализ	Влияет ли вид упаковки на размеры сбыта? Влияет ли цвет рекламного объявления на количество людей, вспомнивших рекламу? Влияет ли выбор пути сбыта на величину продаж?
Дискриминантный анализ	По каким признакам курящие отличаются от некурящих? Какие характеристики работников службы сбыта наиболее существенны при их градации на преуспевающих и неудачников? Можно ли определенного человека, учитывая его возраст, доход, образование, считать достаточно надежным для выдачи кредита?
Факторный анализ	Можно ли редуцировать множество факторов, которые покупатели автомобилей считают важными, до небольшого числа? Как можно описать различные марки автомобилей с точки зрения этих факторов?
Кластер-анализ	Можно ли клиентов разделить на группы по их потребностям? Имеет ли газета свои группы читателей? Как можно классифицировать избирателей, интересующихся политикой?
Многомерное шкалирование	Насколько продукт соответствует «идеалу» потребителей? Каков имидж предпринимателя? Как изменилось отношение потребителей к продукту в течение ряда лет?